통계론 SPSS과제

소개글

통계론 SPSS과제에 대한 보고서 자료입니다.

본문내용

보면 두 첨가제에 따른 연비의 평균차가 있음을 알 수 있고 대응표본 검정에서 보면 유의확률이 0.000으로 유의수준 0.05보다 작기 때문에 귀무가설은 기각된다. 따라서 두 첨가제에 따른 연 비의 평균은 같지 않다는 통계적으로 유의미한 결과가 나왔다.
2. 독립성 검정
1) 가설설정
- 귀무가설 : 남녀 성별에 따른 애인유무는 독립적이다
- 대립가설 : 남녀 성별에 따른 애인유무는 독립적이지 않을 것이다.
2) 교차분석
3) 카이제곱 분포
4) 분석 및 결론
교차분석에서 보면 남자(군필 및 군미필)와 여자의 성별에 따른 애인유무가 눈으로 보아도 많은 차이를 보이며 독립임을 알 수 있다.
Pearson 카이제곱에서 유의확률이 0.369로 유의수준 0.05보다 크기 때문에 귀무가설은 채택되므로 남녀 성별에 따른 애인유무는 독립적이라는 사실이 통계적으로 검정 되었다.
3. 일원배치 분산분석
1) 가설설정
군미필 남자의 생활비를 제외한 용돈의 평균, 군필 남자의 생활비를 제외한 용돈의 평균, 여자의 생활비를 제외한 용돈의 평균
- 귀무가설 :
- 대립가설 : 세 변수의 평균은 다를 수 있다.
2) 기술통계
3) 분산분석
4) 분석 및 결론
기술통계에서 나타난 자료를 보면 성별에 따라 생활비를 제외한 용돈 평균의 차가 각각 다름을 알 수 있다. 그러나 표준편차가 너무 크기 때문에 그다지 신뢰할만한 자료가 되지 못한다.
분산분석을 통해 보면 집단간 평균의 차에 대한 유의 확률이 0.139로 유의수준 0.05보다 크기 때문에 귀무가설은 채택된다. 따라서 분산분석을 놓고 봤을때 세 집단간의 평균의 차이 없이 같다는 통계적으로 유의미한 결과가 나왔다. 이는 기술통계에서의 평균차가 있지만 표준편차의 차가 그만큼 있기 때문에 이런 결과가 나왔음을 알 수 있다.
4. 이원배치 분산분석
1) 가설설정
귀무가설 : 약의 효과, 비타민의 효과, 약과 비타민의 교호효과가 0이다
대립가설 : 약의 효과, 비타민의 효과, 약과 비타민의 교호효과가 0이 아니다
2) 이원변량 ANOVA 결과표
Unique Method
Sum of
Squares
df
Mean
Square
F
Sig.
Main Effects
(Combined)
96.000
4
24.000
4.967
.005
M
72.000
2
36.000
7.043
.003
V
24.000
2
12.000
2.348
.115
2-Way interactions
M*V
160.000
4
40.000
7.826
.000
Model
256.000
8
32.000
6.261
.000
Residual
138.000
27
5.111
Total
394.000
35
11.257
3) 분석
① 약품의 효과
유의확률이 0.003으로 유의수준 0.05보다 작기 때문에 귀무가설은 기각되므로 약품의 효과는 차이가 있음이 통계적으로 검정되었다.
② 비타민의 효과
유의확률이 0.115로 유의수준 0.05보다 크기 때문에 귀무가설은 채택된다. 따라서 비타민의 효과차이는 없음이 통계적으로 검정되었다.
③ 약품과 비타민의 결합효과
유의확률이 0.000으로 상당히 신뢰할만한 결과가 나왔다. 유의수준 0.05보다 작기 때문에 귀무가설은 기각되며 약품과 비타민의 교호효과는 0가 아님이 통계적으로 검정 되었다.
4) 결론
만약 의사입장에서 이 통계자료를 토대로 환자에게 처방을 내린다면 약품의 효과는 차이가 있기 때문에 가장 약효과 좋은 M1을 처방하고 또한 약품과 비타민의 결합효과가 있기 때문에 비타민과 함께 복용을 권하고 비타민의 약효는 차이가 없음이 검증되었기 때문에 아무 비타민이나 약품과 함께 복용할 것을 처방한다.
5. 단순회귀분석
1) 기술통계량
2) 상관계수
3) 계수
4) 분석 및 결론
계수에서 보면 라는 선형 방정식을 알 수 있다.
여기서 기본적으로 가지고 들어가는 118.1이라는 계수는 유의확률이 0.000으로 유의수준 0.05보다 작기 때문에 상당히 신뢰할만한 검증이 되지만, 아버지의 키와 관련이 있는 0.29의 계수는 유의확률이 0.113으로 통계적으로 의미가 없는 수준이 된다.
따라서 결론적으로 단순회귀분석만으로 아버지와 본인의 키의 상관관계를 정확히 알 수가 없다.
6. 중회귀분석
⇒ 본인의 키에 영향을 미치는 변수로서 아버지의 키만으로 설명이 어려워 성별을 나눠 분석해 보았다.
1) 기술통계량
2) 모형요약
3) 계수
4) 분석 및 결론
단순회귀분석을 통해 얻은 방정식으로는 본인과 아버지의 키 사이의 상관관계를 정확히 예측할 수 없었다. 여기서 본인과 아버지의 키 사이에 또 다른 변수가 작용할 것으로 보고 남녀 성별을 따로 구분하여 분석해 보았다. 남자(군필, 군미필) 는 1로 두고 여자는 0으로 코딩변환을 시켰다.
계수를 통해 중회귀방정식을 작성하면 다음과 같다.
※ 회귀방정식 :
여기서 87.662 = 인간이 기본적으로 가지는 키
첫 번째 변수인 아버지의 키로 인해 더해지는 키
13.851D = 성별에 따라 더해지는 키
⇒ 이 세가지 변수 모두 유의확률이 0.000으로 상당히 신뢰할 만한 자료가 된다고 볼 수 있다.
따라서 미래 내가 아들을 낳게 된다면 아들의 키는 다음과 같이 예측된다.
× = 172.958㎝로 예측되지만 이는 모형요약에서 수정된 R제곱을 보면 여약 71.2%정도로 신뢰 할 만한 근거가 된다.
개인적으로 아버지 키를 계산해 보면 나는 177.288㎝가 되야하지만 지금 키가 165㎝로 편차가 12㎝나 된다. 물론 예외적인 경우라고 할 수 있지만 또 다른 변수인 어머니의 키를 함께 분석해 볼 필요가 있을 것 같다.
7. 다중회귀분석
⇒ 본인의 키에 영향을 미치는 변수로 여러개의 변수를 한꺼번에 넣어 분석해 보았다.
1) 기술통계량
3) 모형요약
4) 계수 및 제외된 변수
5) 분석 및 결과
본인의 키에 영향을 미치는 여러 변수들을 분석해 보았다. 그 중엔 운동하는 시간과 같이 오히려 역비례의 관계를 가지는 변수도 있었고 영어공부를 많이 할 수록 키가 크다는 변수도 있었다. 후진 방법을 적용했는데 여기서 보면 모든 변수를 다 적용 했을 때가 가장 신뢰범위가 높았고 상관이 없는 변수를 하나씩 제거 해 갈 수록 그 신뢰범위는 줄어들었다.

키워드

행정통계,   통계,   SPSS,   통계학,   행정